Механика поиска с ИИ: что лучше «спросить у чата GPT» или «загуглить»?
Попросил ChatGPT, Perplexity и Gemini составить список спикеров конференции «Суровый Питерский SMM» за 2024 и 2025 годы по критерию «директор по маркетингу». Результат оказался некорректным. Зашёл в Google — нашёл всех за пять минут, но почувствовал себя динозавром. После этого решил разобраться — чем на самом деле ИИ-поиск отличается от классического. Тезисы упаковал в таблицу.
Полную версию моего рассуждения на тему лучше ли ИИ-поиск классического, слушайте на YouTube.
Пример поиска информации с помощью ChatGPT и других нейронок
Задача: найти всех спикеров форума «Суровый Питерский SMM» за 2024 и 2025 годы, которые являются директорами по маркетингу.
Варианты решения: зайти на лендинг конференции, посмотреть, у кого подписано «CMO» либо «директор по маркетингу», скопировать себе в файл.
Особенность задачи: лендинги за указанные годы находятся в архиве.
Решение: доверить задачу нейронке.
Результат: ни одна нейронка из трёх — ChatGPT, Perplexity, Gemini — не справилась, хотя все данные есть в сети. Сам я нагуглил это легко и быстро: сходил на сайте форума на все архивные лендинги и через «Ctrl+F» нашёл нужных спикеров.
Чтобы понять, какие задачи можно полностью переложить на нейросети, какие удобно решать совместно, а куда ИИ лучше не допускать, провёл годовой эксперимент. О его результатах читайте на сайте.
ИИ-поиск лучше классического?
Собрал в таблицу главные тезисы: как работают чат-боты, Алиса, AI Overviews и чем они отличаются от классического поиска.
| LLM модели | Классический поиск | |
|---|---|---|
| Принцип работы и целевая задача | 💡 Задача — связанно дополнить промт, а не решить проблему пользователя. 💡 Генерирует ответ на основе математических закономерностей, а не ищет готовый. 💡Не поисковик по своей архитектуре, а языковая модель. Поэтому «поиск» для неё — это побочный сценарий. | ✅ Задача — решить проблему пользователя, подобрав лучший источник. ✅ Находит в базе максимально релевантную запросу информацию. ✅ Спроектирован именно как поисковая система, поэтому выдаёт в качестве ответа релевантные ссылки. |
| Способ взаимодействия | 💡 Это диалог: пользователь общается, рассуждает, и каждое его сообщение влияет на следующий ответ нейросети. 💡 Часто пользователи ищут что-то в чат-боте параллельно с решением задачи. | ✅ Это запрос: каждая новая фраза — отдельный поиск без глубокого контекста, но с персонализацией. ✅ Пользователи формулируют концентрированные запросы и получают список источников. |
| Актуальность данных | 💡 База ограничена датой последнего обучения модели. 💡 Даже с подключенным веб-поиском данные могут быть устаревшими на месяцы. 💡 Модель не знает ни о чём, что случилось после её обучения. | ✅ Индексация и обновление происходят непрерывно. ✅ Актуальная информация появляется в выдаче в течение часов или дней. ✅ Поисковик видит новые страницы сразу после их появления в сети. |
| Критерии релевантности | 💡 У модели нет задачи дать наилучший ответ — только сгенерировать правдоподобный. 💡 Опирается только на то, что написано в сети. 💡 У нейронок нет доступа к статистике сайтов, то есть к той информации, которая в том числе влияет на реальный рейтинг бизнеса. Поэтому искать в чат-боте «лучшую заправку Саратова», например, — бессмысленно. | ✅ Алгоритмы заточены на решение задачи пользователя, а не просто на выдачу информации. ✅ Видит и анализирует тысячи сигналов ранжирования. Учитывает бизнес-данные: отзывы, рейтинги, трафик, поведенческие факторы, авторитет бренда. ✅ Выдает результат на основе собранной информации и совокупного авторитета источника. |
| Механика поиска | 💡 При обращении к веб-поиску ИИ работает как прослойка: он гуглит за вас. 💡 Разбивает ваш пространный промпт на несколько простых поисковых запросов. 💡 Запускает эти запросы параллельно, собирает результаты, компилирует саммари. 💡 По сути — играет роль младшего стажера: нагуглил, склеил, пересказал. 💡 Часто дробит запросы тупо, не понимая целостных понятий (пример: «бренд-медиа» ищет как «бренд» + «медиа»). 💡 Опирается на то, что написано, в основном в топ-10 выдачи, доверяя этим сайтам на слово. 💡 Не делает поиск интеллектуальнее — просто автоматизирует процесс загугливания. | ✅ Пользователь взаимодействует с поисковой системой напрямую. ✅ Получает один сформулированный запрос и ищет по нему. ✅ Выдает список источников, ранжированных по сложным формулам. ✅ Работает как сложный ранжирующий механизм, а не пересказчик. ✅ Понимает сущности и связи между словами в запросе. ✅ Использует тысячи сигналов: поведенческие, ссылочные, бизнес-данные. ✅ Интеллектуальность зашита в алгоритмы ранжирования, а не в пересказ. |
| Режим «глубокое исследование» или «умный поиск» | 💡 Создает иллюзию проникновения в «закоулки интернета», куда обычный пользователь не заходит. 💡 Дробит запрос на ветки, а потом ветки — на подветки, углубляя разветвление. 💡 Вау-эффект от объема текста и количества собранных ссылок. | ✅ Показывает то, что есть в индексе, без эффекта «тайных знаний». ✅ Пользователь сам управляет навигацией и глубиной погружения. ✅ Вау-эффект только от точности попадания в ответ. |
Вывод о поиске в чат-ботах и ИИ-режиме классических поисковиков
Что же лучше: «спросить у чата GPT» или «загуглить»?
LLM модели в формате чатов или ИИ-режима поисковых систем тоже гуглят.
Гуглят, разбивая зачастую несвязные мысли пользователя на отдельные поисковые запросы и проверяя каждый. Дальше нейронка просто выдаёт саммари — что-то среднее и объединяющее все запросы.
Главная моя рекомендация такая: пользуйтесь, но не приписывайте нейроинструментам сверхспособностей. Обучение, практика и профессиональное окружение сеошников, редакторов и контент-маркетологов — вот это, действительно, полезные для любого контентного проекта драйверы. Всё это есть на моём обновляемом курсе «База Карбышева».
0 комментариев